基于改进人工蜂群算法的认知抗干扰智能决策技术研究

在认知抗干扰系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。人工蜂群算法（Artificial Bee Colony,ABC）相较于其他群体智能算法全局寻优速度更快,设置参数少、灵活,易与其他技术结合改进原算法,实用性更广泛,但ABC算法同样有其局限性,如局部搜索能力较弱、后期收敛速度慢等。针对复杂干扰环境下对离散参数的决策,本文设计了一种基于改进人工蜂群算法的认知抗干扰智能决策引擎,分析了引擎模型,根据系统效能设计了目标函数和染色体,阐述了决策实现步骤,优化了决策参数,提出了按基因组搜索的改进算法;通过对系统抗干扰性能的仿真,验证了与未采用智能决策的抗干扰系统相比,采用本文提出的智能决策引擎的认知抗干扰系统在干扰环境中不仅具有强抗干扰性能,而且在保证通信传输可靠性的前提下,具有较低的发射功率和高传输效率,与采用传统人工蜂群算法和遗传算法的决策引擎相比,基于改进人工蜂群算法的决策引擎平均收敛代数更少且最优解概率更高。      

复杂信道环境下的多维策略智能抗干扰技术

针对当前智能抗干扰技术策略维度低、复杂环境应对性差的问题,提出了适应复杂环境的多维策略智能抗干扰技术。将单音信号作为探测信号,通过扫频方式减少探测阶段复杂度以实现快速实时的环境状态特征提取,之后设计了基于深度神经网络的实时智能决策引擎模型以提高决策速度和准确率。仿真结果表明所提方案能够准确地预测通信质量,最后根据目标函数在所有可通信策略中决策出最优策略,当探测信号扫频间隔选取合适时,该方案能够达到接近96%的决策准确率及较好的资源利用率,能有效进行抗干扰并取得较好的通信质量。     

基于SAGA的通信抗干扰决策引擎

为使抗干扰通信系统能够更好地实现参数自适应调整功能,在传统频率、功率自适应的基础上研究频率、功率、信道编码码率、调制方式四种参数的自适应。设计了一种基于模拟退火遗传算法（SAGA,Simulated Annealing Genetic Algorithm）的通信抗干扰决策引擎,并给出了该算法计算流程。在六种不同模式下对算法性能进行了仿真分析,结果表明,该算法能够实现决策引擎参数的自适应选择,并且提高了标准遗传算法的收敛速度,增强了标准遗传算法的爬山能力。     

基于初始种群优化粒子群算法的通信抗干扰决策引擎

针对抗干扰决策引擎对实时性能要求较高的问题,借鉴了一种基于初始种群优化的粒子群算法(IPO-PSO)。该算法通过把上一次决策的部分解作为当前初始解集的一部分,以此来优化粒子群算法的初始种群。仿真结果表明,该算法能够在不增加复杂度的情况下显著提高粒子群算法在缓变干扰环境下的收敛速度,具有较好的实时性能,更加符合通信抗干扰的应用场景。     

智能抗干扰通信技术研究

智能抗干扰通信技术通过对复杂电磁干扰环境的认知,采用学习和智能决策方法,实现高效可靠的信息传输,是新一代抗干扰通信系统发展的重要方向。讨论了智能抗干扰通信系统底层结构,分析了智能抗干扰通信中的关键技术,包括干扰认知、抗干扰波形重构、可靠信令传输、快速适变的波形传输以及实时抗干扰通信智能决策等,并给出了相应的研究思路。     

多参数联合自适应通信抗干扰决策引擎研究

为提高通信抗干扰决策的科学性和有效性,本文基于认知无线电思想设计了一种多参数联合自适应抗干扰决策引擎,实现抗干扰系统参数的自适应选择。文章用遗传算法作为决策算法,并给出了该方法的流程及仿真分析。实验结果表明,抗干扰决策引擎能够对单目标函数以及有偏好的多目标函数的参数进行自适应选择,验证了抗干扰决策引擎参数自适应选择的可行性。     

基于SARSA学习的跳频系统智能抗干扰决策算法

为了提高在干扰多变电磁环境下跳频通信系统的抗干扰性能,提出一种基于改进SARSA学习的智能抗干扰决策算法。试错是强化学习最重要的特征,它可以影响算法的长期总收益,而试错的优劣由算法探索和利用的表现决定,故文中将基于置信度上界的动作选择策略和优先遍历思想应用于SARSA学习,以平衡智能体对状态-动作空间的探索和利用。另外,针对多种干扰并存的电磁环境以及跳频通信系统的跳速、信道划分间隔和跳频序列等可调节参数,设计了相应的系统模型、决策目标、状态-动作空间和奖赏函数。在不同干扰环境下所提算法都优于三种对比算法,表明基于置信度上界的动作选择策略和优先遍历思想的加入较好地协调了探索与利用的矛盾,提升了收敛速度和稳态性能,加强了SARSA学习对干扰环境的适应性。     

利用改进的BP算法实现神经网络辨识仿真

系统辨识是控制系统设计的基础。基于多层前馈神经网络结构,采用一种改进的BP算法,利用二阶梯度变尺度模型,完成了神经网络非线性系统辨识。与传统的辨识方法比较,神经网络应用于非线性系统辨识具有泛化功能和很好的容错能力,是一种不依赖模型的自适应函数估计器。采用一种改进的BP算法有效地改善了系统收敛速度慢的问题,BP模型已成为神经网络的重要模型之一,从而为控制系统正确设计奠定理论基础。     

战术跳频系统智能抗干扰决策

作为一种有效的抗干扰方法,跳频（Frequency hopping, FH）技术已被广泛应用于战术通信系统来提高在强对抗环境下军事通信网络的可靠性。跳频通信网络面临的主要威胁是具有灵敏的频谱侦察和频率捷变能力的跟踪干扰机。为提高战术跳频通信系统在跟踪干扰攻击环境中的抗脆性和吞吐量,本文提出了一种基于双深度Q网络（Double deep Q-network, DDQN）的功率和跳速联合抗干扰决策方法。该算法将战术电台发射机与跟踪干扰机之间的对抗建模为马尔可夫决策过程（Markov decision process, MDP）,其中干扰器通过调整频谱扫描速率提高干扰效能,战术电台终端则将接收状态反馈信息作为算法输入,根据决策网络的输出调整数据传输的发射功率和跳频速率。该算法模型在未知环境状态和干扰参数的情况下,通过与环境的交互学习更新网络参数,逐渐收敛于最佳功率和跳速联合控制策略,以使跳频通信系统的平均吞吐量最大化。仿真结果表明,相比传统的无模型抗干扰方法,本文所提算法在跟踪干扰环境下能够更有效改善跳频系统的抗干扰性能。     

一种新的智能天线波束形成算法

在DS/CDMA系统中采用智能天线技术可以增加系统的容量,提高抗干扰性能.智能天线技术的核心是波束形成算法,基于遗传算法提出了一种新的智能天线波束形成算法,算法采用了内插和外推两种交叉算子,克服了遗传算法的早熟收敛问题,提高了全局收敛能力.研究结果表明,提出的智能天线波束形成算法具有良好的收敛性和稳定性,可用于DS/CDMA系统抵抗干扰的影响.     

基于灰狼算法的抗干扰跳频序列设计

为了提高跳频通信系统的抗干扰能力,本文提出一种结合干扰信息综合考虑跳频序列的汉明相关性、均匀性、被干扰概率和跳频增益的抗干扰跳频序列优化设计方法。使用改进灰狼算法求解优化问题,提出新型反向学习策略和使用莱维飞行的个体信息交流机制,提升灰狼算法性能。通过基本测试函数的仿真实验表明本文的改进灰狼算法比其他灰狼算法有更好的收敛速度和求解精度。本文的抗干扰跳频序列优化设计结果表明,在多种干扰情况下,本文方法设计的跳频序列相比于传统跳频序列和宽间隔跳频序列具有更强的抗干扰能力。      

几种改进BP算法在电机故障诊断中的分析比较

近年来,人工神经网络以其独特的容错、联想、推测、记忆、自适应和处理复杂的多模式等优点,在许多学科中掀起了研究热潮,同样在故障诊断领域,其发展前景也十分乐观,它作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判断函数,对于特定问题建立的神经网络故障诊断系统,可以从输入数据（故障症状）直接推出输出数据（故障原因）,从而实现故障的检测与诊断。但是传统的BP算法存在一些缺陷。所以采用一些改进的BP算法,把它们用于电机的故障诊断,通过实验对这些改进算法的分析比较,得出其中较合适的算法。这样不仅能发挥神经网络的泛化映射能力而且诊断速度也有提高,有较强的学习能力。     

Artificial bee colony–based spectrum handoff algorithm in wireless cognitive radio networks

In this work, we proposed a new artificial bee colony–based spectrum handoff algorithm for wireless cognitive radio systems. In our wireless cognitive radio system, primary users, secondary users, and related base stations exist in the same communication environment. For our artificial bee colony–based algorithm, secondary users that always struggle to discover an idle channel have a leading role. While honey bees work hard to find the best‐quality nectar source for foraging, secondary users try to find idle channels for making communication. In this way, secondary users are organized for different missions such as sensing and handoff similar to honey bees to minimize spectrum handoff delay by working together. In the spectrum handoff stage, some secondary users must sense the spectrum so that the interrupted secondary user may perform the spectrum handoff process. In our developed spectrum handoff algorithm, the spectrum availability characteristic is observed on the basis of the missions of the bees in the artificial bee colony algorithm with the aim of minimizing the spectrum handoff delay and maximizing probability of finding an idle channel. With the help of the algorithm that is developed using the artificial bee colony, spectrum handoff delay of secondary users is considerably decreased for different number of users without reducing probability of finding an available channel.     

并行人工蜂群算法研究

针对人工蜂群算法在处理高维度问题时收敛速度慢的问题,利用OpenMP多线程技术和规约机制,并根据已改进的观察蜂来选择雇佣蜂的方式,提出了基于OpenMP的并行人工蜂群算法（PCABC）。仿真实验分别在问题维度为100和200下进行来评估算法性能,在4个逻辑处理器环境下,基于静态调度的并行人工蜂群算法的加速比最高可以达到3.95,效率可达98.65%。实验结果表明,PCABC并行人工蜂群算法在处理高维度复杂函数时,收敛速度和算法运行时间都有较大的提升。     

无人机通信干扰电磁环境半实物仿真系统

针对战场环境下复杂传播环境及敌方干扰对无人机通信系统性能的影响,提出了综合信道衰落和干扰共同作用下的无人机通信信道理论模型。在此基础上,基于微波暗室设计实现了无人机通信干扰电磁环境半实物仿真系统。该系统利用硬件现场可编程门阵列(Field Programmable Gate Array,FPGA)实时模拟无人机通信信道和干扰信号,利用微波暗室模拟外场的无线传播环境,并通过天线位置和角度调节装置模拟发射机、干扰机和接收机之间的空间位置特性。实测结果表明,该半实物仿真系统能够真实复现无人机通信干扰电磁环境,可用于无人机数据链抗干扰性能的测试和评估。